基于统计特性的战术网络模拟训练背景业务流量生成方法

摘要

本发明适用于战术互联网领域，提供一种基于统计特性的战术网络模拟训练背景业务流量生成方法，包括计算获取上下级指挥机构之间的背景业务流量、同级指挥机构之间的背景业务流量、部/分队与上级指挥机构之间的背景业务流量、部/分队间的背景业务流量，然后对获取到的各不同种类的背景业务流量进行动态叠加处理，得到不同类型用户之间的业务流量矩阵。本发明通过对不同类型的业务流量进行计算，然后再对不同种类的背景业务流量进行动态叠加处理，得到不同类型用户之间的业务流量矩阵，为下一步计算单条网络链路的网络通信质量、节点与节点之间的通断情况、整个网络的拥塞程度、整个网络的通信时延做好基础准备。

说明书

技术领域

本发明属于战术互联网技术领域，尤其涉及一种基于统计特性的战术网络模拟训练背景业务流量生成方法。

背景技术

背景业务流量，是用来描述通信网系中的数据通信信息量。主要是指：在通信网系模型中，指控信息进行传递时产生的通信业务流量，用于描述某时刻战场空间实体之间进行通信信息交互而产生的网络负载。传统的背景业务流量的建模粒度粗糙，主要是描述指挥机构之间的业务信息往来，并不能很好的描述其他部/分队之间的通信信息。

传统的背景业务流量算法依据单一的作战编成中指挥层级关系而采用指数法来描述不同级别指挥机构之间的业务流量。而实际上不是所有的用户之间都存在着明显的层级指挥关系，因此采用指数法来计算整个网络中的背景业务流量是有着较大误差的。

发明内容

鉴于上述问题，本发明的目的在于提供一种基于统计特性的战术网络模拟训练背景业务流量生成方法，旨在解决现有指数法来描述不同级别指挥机构之间的业务流量存在着较大误差的技术问题。

本发明采用如下技术方案：

一种基于统计特性的战术网络模拟训练背景业务流量生成方法，包括下述步骤：

获取上下级指挥机构之间的背景业务流量D₁；

获取同级指挥机构之间的背景业务流量D₂；

获取部/分队与上级指挥机构之间的背景业务流量D₃；

获取部/分队间的背景业务流量D₄；

对获取到的各不同种类的背景业务流量进行动态叠加处理，得到不同类型用户之间的业务流量矩阵D。

进一步的，其中ρ为战场条件变化系数，随着不同作战阶段、遭受蓝军干扰、战场毁伤以及施训人员的导调干预因素不断变化；x为背景业务流量按照指挥层级增长的基数，α_ij为其它OD对背景业务流量与基准OD对背景业务流量按照指挥层级增长的指数；这里有：

ρ＝αρ₁+βρ₂+μρ₃+νρ₄

α+β+μ+ν＝1

ρ₁为不同作战阶段的取值；ρ₂蓝军干扰程度的取值：ρ₃战场毁伤概率的取值；ρ₄施训人员的导调干预的取值，α,β,μ,ν为加权系数。

进一步的，D₂＝B_ij(cmdcmd)＝d*f_ij(cmdcmd)*ρ，其中d为不同指挥机构之间的密切协作系数，ρ为战场条件变化系数，为指挥机构之间当前的通信容量；为指挥机构之间的设定的最大容量，为传输路径的通信质量。

进一步的，D₃＝B_ij，并且B_ij表示部/分队与上级指挥机构之间动态的背景业务流量,P(B_ij)为单位时间内产生背景业务流量为B_ij的概率；λ_ij是静态背景业务流量，即泊松强度。

进一步的，其中A(t)代表时间t内到达的流量，m为流量的平均速率，a为方差系数，B_H(t)为具有0均值、自相似参数H∈(0.5,1)和增量方差Var[B_H(t)]＝|t|^2H的标准分形布朗运动。

进一步的，D＝η₁D₁+η₂D₂+η₃D₃+η₄D₄，其中η₁+η₂+η₃+η₄＝1，其中η_i表示在总的背景业务流量中调节系数，η_i的大小与通信消息的种类、重要程度、文件的长度、网络间的传输协议因素有关。

本发明的有益效果是：本发明将通信背景业务流量的计算分为上下级指挥机构之间的业务流量、同级指挥机构之间的业务流量、部/分队与指挥机构之间的业务流量以及部/分队之间的业务流量；通过对不同类型的业务流量进行计算，然后再对不同种类的背景业务流量进行动态叠加处理，得到不同类型用户之间的业务流量矩阵，为下一步计算单条网络链路的网络通信质量、节点与节点之间的通断情况、整个网络的拥塞程度、整个网络的通信时延做好基础准备。

附图说明

图1是本发明实施例提供的基于统计特性的战术网络模拟训练背景业务流量生成方法的流程图；

图2是上下级指挥机构之间的指挥层级关系图；

图3是旅基指挥机构与其他指挥机构的业务往来关系图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

本发明通过对背景业务流量的完整分类和精确计算，实现对整个网络性能更加细致的仿真描述。为下一步计算单条网络链路的网络通信质量、节点与节点之间的通断情况、整个网络的拥塞程度、整个网络的通信时延做好基础准备。本发明实施例背景业务流量生成方法主要依赖于以下两个条件：第一，战术网络中的指挥层级关系基本确定。第二，通信用户已经确立并已经建立组网关系。这里假设战术网络中的指挥机构分辨率为为营级，通信规模为军级。

图1示出了本发明实施例提供的基于统计特性的战术网络模拟训练背景业务流量生成方法的流程，为了便于说明仅示出了与本发明实施例相关的部分。

本实施例提供的基于统计特性的战术网络模拟训练背景业务流量生成方法包括下述步骤：

步骤S101、获取上下级指挥机构之间的背景业务流量D₁。

首先在已有的指挥机构组网关系下，建立基本的连接关系矩阵。上下级指挥机构之间的指挥层级关系如图2所示。

计算指挥机构中，上级指挥机构B_i(cmd)对下级指挥机构B_j(cmd)的背景业务流量B_ij(cmd)_down。计算指挥机构中的通信组件节点中，下级指挥机构B_j(cmd)对上级指挥机构B_i(cmd)的背景业务流量B_ij(cmd)_up。得到上下级指挥机构的通信模块之间总的背景业务通信流量

B_ij(cmd)_total＝B_ij(cmd)_up+B_ij(cmd)_down

指挥层级与传统的部队体制编制结构类似，指挥层级是对作战想定中各级指挥机构模型的指挥关系的对应，因此上下级指挥机构中的通信模块之间的背景业务流量按照指数方式增长。于是可得到上下级总的背景业务流量表达式如下：

ρ为战场条件变化系数，它是随着不同作战阶段、遭受蓝军干扰、战场毁伤以及施训人员的导调干预等因素不断变化的。α_ij为其它OD对(源节点到目的节点之间的通信业务关系)背景业务流量与基准OD对背景业务流量按照指挥层级增长的指数，对应通信节点所保障的各级指挥所的指挥层级；x为背景业务流量按照指挥层级增长的基数。

这里有，

ρ₁为不同作战阶段的取值；ρ₂蓝军干扰程度的取值：ρ₃战场毁伤概率的取值；ρ₄施训人员的导调干预的取值，α,β,μ,ν为加权系数。

背景业务流量按照指挥层级增长的基数x可以通过对以往历史数据的分析，根据统计规律得出一个近似值。α^ij为背景业务流量按照指挥层级增长的指数。

步骤S102、获取同级指挥机构之间的背景业务流量D₂。

同级指挥机构之间的通信有着一定的对称性，所以在研究同级指挥机构之间的通信时，可以将指挥机构聚合成一个抽象的虚拟节点，从而建立指挥机构与指挥机构之间的业务流量矩阵。以旅基指挥机构为例，如图3示出了旅基指挥机构与其他指挥机构的业务往来关系。

可以得到D₂＝B_ij(cmdcmd)＝d*f_ij(cmdcmd)*ρ，其中d为不同指挥机构之间的密切协作系数，ρ为战场条件变化系数，为指挥机构之间当前的通信容量(单位：bit/s)；为指挥机构之间的设定的最大容量，为传输路径的通信质量，它与通信实体之间的距离、通信设备的功率、地理环境等因素有关。由于影响传输路径通信质量的因素众多而且复杂，在这里我们采用统计规律，用历史经验数据加动态变化参数来描述实时变化的传输路径通信质量。所以有：

其中表示历史的统计平均值，Δ～N(0,m)。

步骤S103、获取部/分队与上级指挥机构之间的背景业务流量D₃。

传统的部/分队与上级指挥机构之间的业务往来存在着短程相关性，由于部/分队与上级指挥结构有着一定的指挥关联，但是又无明显的指挥层级关系，所以可以泊松分布和马尔科夫过程理论进行建模。

本实施例中，我们认定传统的部/分队与上级指挥机构之间的业务往来具有如下特性：业务流量到达时间间隔呈指数衰减，方差以样本大小逆向衰减，功率谱收敛逐渐接近原点，这些特性导致了业务流量的短期相关。

于是建立的背景业务流量生成模型如下：

式中：B_ij表示部/分队与上级指挥机构之间动态的背景业务流量,P(B_ij)为单位时间内产生背景业务流量为B_ij的概率；λ_ij是静态背景业务流量，即泊松强度，用以描述背景业务流量生成模型产生的动态背景业务流量的期望值。

为基准OD对的背景业务流量，根据典型部队信息量的统计结果确定，作为其它OD对背景业务流量对比的基准值；ρ为战场条件变化系数，e^ij为增长的指数，x为背景业务流量按照指挥层级增长的基数。

在实际计算过程中，我们假定P(B_ij)的取值是在区间(0,1)符合随机均匀分布的。即P(B_ij)～B(0,1)于是有：

P(B_ij)＝p，p～B(0,1)

带入前面的表达式有：

针对这种超次方程，我们可以通过查询泊松分布的数值表，可以求出对应的n。最后令

B_ij＝n

D₃＝B_ij

可以确定部/分队与上级指挥机构之间动态的背景业务流量D₃,

步骤S104、获取部/分队间的背景业务流量D₄。

部/分之间由于没有指挥关联，他们都是作为接入用户而加入到战术网络中，而且他们之间的业务流量交换都比较突发。部/分队之间的业务往来在所有时间尺度上都有可能发生，网络业务中的自相似主要表现为突发存在于多个时间尺度上，而且具有相同的统计特征。这与突发可以经统计平均而加以平滑的传统理论是互相矛盾，且所需的队列缓冲容量远远大于泊松到达过程对缓冲容量的需求。所以传统的泊松分布建模方法对于部/分队之间的通信是不适用的。

基于部/分队之间业务往来中，由于文件长度、网络页面之间的记忆性、网络结构以及用户行为等引起网络流量的自相似性，我们可用基于分型布朗运动模型来对部/分队之间的业务流量进行建模。

定义称为分形布朗运动业务，如果它满足

D₄＝A(t)

这里A(t)代表时间t内到达的流量，m大于0，为流量的平均速率，a大于0为方差系数，B_H(t)为具有0均值、自相似参数H∈(0.5,1)和增量方差Var[B_H(t)]＝|t|^2H的标准分形布朗运动。

步骤S105、对获取到的各不同种类的背景业务流量进行动态叠加处理，得到不同类型用户之间的业务流量矩阵D。

得到上述背景业务流量D₁-D₄后，然后叠加得到所有用户之间的业务流量矩阵

D＝η₁D₁+η₂D₂+η₃D₃+η₄D₄

η₁+η₂+η₃+η₄＝1

其中η_i表示在总的背景业务流量中调节系数，η_i的大小与通信消息的种类、重要程度、文件的长度、网络间的传输协议因素有关。

综上，本发明基于统计特性来计算战术网络中的背景业务流量，通过对历史数据的分析与预测来推导出未来战术网络中背景业务流量的变化趋势比单纯的建立粗粒度的流量数学模型要更加精确，同时模型中考虑了各种战场因素的不确定对业务流量造成的动态变化，很好的体现了战争迷雾的特性。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。